数学家陶哲轩近日提出一个引人深思的类比：人工智能与形式化方法对数学研究的影响，犹如汽车对城市发展的冲击。这一观点不仅适用于数学领域，也为编程等其他学科提供了新的思考维度。他指出，汽车虽极大提升了出行效率，却也导致传统道路拥堵、城市无序扩张等问题，唯有通过科学的城市规划与交通管理，才能实现新旧体系的和谐共存。
在数学领域，现有的研究体系——包括期刊发表、学术会议、师徒传承和引用机制——如同为人类思维设计的狭窄道路。尽管人类推导证明的过程缓慢，但这一过程蕴含着独特的价值：研究者通过实践锤炼专业能力，勾勒学科知识图谱，发现潜在研究方向，并记录下探索中的曲折与突破。这些隐性收获构成了数学研究不可或缺的组成部分。
陶哲轩观察到，AI辅助证明虽能快速从假设推导出结论，却往往省略了人类证明过程中至关重要的思维轨迹。这类证明因缺乏对探索路径的详细阐述，难以符合传统期刊的发表标准。他形象地将强行改造AI模型以适应现有学术体系的行为，比作让汽车在为行人设计的街道上行驶——看似可行，实则违背了技术发展的本质规律。
针对这一困境，陶哲轩提出构建新型数学基础设施的解决方案。他建议利用形式化证明工具验证复杂数学命题，或建立自动生成的初步证明库，再由人类研究者进行优化完善。这种模式既保留了人类思维的创造性，又发挥了机器计算的效率优势。他特别强调，需要发展类似城市规划的"AI规划"学科，确保数学研究保持"可步行探索"的本质特征。
在与同行交流中，陶哲轩进一步阐释了AI对数学研究的实际影响。他承认AI工具通过提供可视化图表、代码实现和文献检索等功能，确实拓展了研究视野，但其核心创造过程仍依赖传统的手写推导方式。他坦言，若无AI提供的辅助手段，当前论文的完成速度并不会显著快于过去。AI的价值不在于加速研究进程，而在于开辟了全新的可能性空间。
"AI将想法生成的边际成本降至近乎为零，这与互联网降低沟通成本的效果异曲同工。"陶哲轩解释道，"但这并不直接导致知识生产的爆炸式增长。现在的问题是，人们可以针对同一个科学问题生成海量理论，但如何筛选和验证这些理论成为新的挑战。"这种转变要求研究者发展新的评估标准和验证方法，以应对信息过载带来的认知负荷。
